Validation of Dual‐Chamber Pacemaker Diagnostic Data Using Dual‐Channel Stored Electrograms
Notice bibliographique
Résumé
BACKGROUND: Pacemaker diagnostic counters are used to guide device programming and patient management. However, these data are susceptible to inappropriate classification of events. The aim of this multicenter study was to evaluate pacemaker diagnostic data using stored intracardiac electrograms (EGMs). METHODS: The study included 351 patients (191 males, aged 71 +/- 10 years) with standard indications for dual-chamber pacemaker implantation. EGM triggers were atrial tachycardia (AT), ventricular tachycardia (VT), sudden bradycardia response (SBR), and pacemaker-mediated tachycardia (PMT). For this study, the devices could store up to 5 EGMs of 8s each (with marker annotation and onset recording). After 3 months, the EGMs were analyzed and classified as "confirmed" if the EGM validated the trigger and as "false positive" if the EGM showed an event different from the trigger. RESULTS: Of the 1,003 EGMs available, the triggers were AT in 640 EGMs, VT in 76, SBR in 105, and PMT in 178 EGMs. Four EGMs were triggered by magnet application. The trigger was confirmed in 614 EGMs (62%): 62% of AT episodes, 18% of VT episodes, 100% of SBR episodes, and 54% of PMT episodes. In 385 cases (45%), the EGMs revealed false-positive events due to far-field sensing (39%), noise and myopotential sensing (26%), sinus tachycardias (21%), double counting (9%), exit block (4%), and undersensing (1%). CONCLUSION: This large-scale study of stored EGMs revealed their value in validating diagnostic counter data. Therapeutic decisions should not be based on diagnostic counters alone; they should be validated by sophisticated tools like stored EGMs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».